論文の概要: MLatom 3: Platform for machine learning-enhanced computational chemistry
simulations and workflows
- arxiv url: http://arxiv.org/abs/2310.20155v1
- Date: Tue, 31 Oct 2023 03:41:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 16:32:32.571435
- Title: MLatom 3: Platform for machine learning-enhanced computational chemistry
simulations and workflows
- Title(参考訳): MLatom 3: 機械学習による計算化学シミュレーションとワークフローのためのプラットフォーム
- Authors: Pavlo O. Dral, Fuchun Ge, Yi-Fan Hou, Peikun Zheng, Yuxinxin Chen,
Mario Barbatti, Olexandr Isayev, Cheng Wang, Bao-Xin Xue, Max Pinheiro Jr,
Yuming Su, Yiheng Dai, Yangtao Chen, Lina Zhang, Shuang Zhang, Arif Ullah,
Quanhao Zhang, Yanchi Ou
- Abstract要約: 機械学習(ML)は、計算化学における一般的なツールになりつつある。
MLatom 3は、MLのパワーを活用して典型的な計算化学シミュレーションを強化するプログラムパッケージである。
ユーザーは、事前訓練されたMLモデルと量子力学的近似を含む幅広いメソッドのライブラリから選択できる。
- 参考スコア(独自算出の注目度): 12.337972297411003
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning (ML) is increasingly becoming a common tool in computational
chemistry. At the same time, the rapid development of ML methods requires a
flexible software framework for designing custom workflows. MLatom 3 is a
program package designed to leverage the power of ML to enhance typical
computational chemistry simulations and to create complex workflows. This
open-source package provides plenty of choice to the users who can run
simulations with the command line options, input files, or with scripts using
MLatom as a Python package, both on their computers and on the online XACS
cloud computing at XACScloud.com. Computational chemists can calculate energies
and thermochemical properties, optimize geometries, run molecular and quantum
dynamics, and simulate (ro)vibrational, one-photon UV/vis absorption, and
two-photon absorption spectra with ML, quantum mechanical, and combined models.
The users can choose from an extensive library of methods containing
pre-trained ML models and quantum mechanical approximations such as AIQM1
approaching coupled-cluster accuracy. The developers can build their own models
using various ML algorithms. The great flexibility of MLatom is largely due to
the extensive use of the interfaces to many state-of-the-art software packages
and libraries.
- Abstract(参考訳): 機械学習(ML)は、計算化学における一般的なツールになりつつある。
同時に、MLメソッドの迅速な開発には、カスタムワークフローを設計するための柔軟なソフトウェアフレームワークが必要である。
MLatom 3は、MLのパワーを活用して典型的な計算化学シミュレーションを強化し、複雑なワークフローを作成するプログラムパッケージである。
このオープンソースパッケージは、コマンドラインオプション、入力ファイル、あるいはMLatomをPythonパッケージとして使用したスクリプトでシミュレーションを実行できるユーザや、XACScloud.comのオンラインXACSクラウドコンピューティング上で、多くの選択肢を提供している。
計算機化学者はエネルギーと熱化学的特性を計算し、ジオメトリーを最適化し、分子と量子力学を実行し、(ロ)振動、1光子UV/ビス吸収、および2光子吸収スペクトルをML、量子力学、結合モデルでシミュレートすることができる。
ユーザは、事前訓練されたMLモデルと、結合クラスタ精度に近づくAIQM1のような量子力学的近似を含む、広範なメソッドのライブラリを選択できる。
開発者はさまざまなMLアルゴリズムを使って独自のモデルを構築することができる。
MLatomの柔軟性は、多くの最先端のソフトウェアパッケージやライブラリへのインターフェースの広範な使用によるところが大きい。
関連論文リスト
- Combining Machine Learning with Computational Fluid Dynamics using
OpenFOAM and SmartSim [41.94295877935867]
OpenFOAMとSmartSimを使ってCFD+MLアルゴリズムを開発するための効果的でスケーラブルなソリューションを提供する。
SmartSimはCFD+MLアルゴリズムとRedisデータベースのプログラミングを大幅に単純化するOrchestratorを提供する。
我々はSmartSimを利用してOpenFOAMのさまざまなセグメントをMLに効果的に結合する方法を示し、これにはプリ/ポスト処理アプリケーション、ソルバ、関数オブジェクト、メッシュモーションソルバが含まれる。
論文 参考訳(メタデータ) (2024-02-25T20:39:44Z) - RedCoast: A Lightweight Tool to Automate Distributed Training of LLMs on
Any GPU/TPUs [33.39013733151192]
大規模言語モデル(LLM)の分散トレーニングと推論を自動化するツールであるRedCoastを紹介する。
また,3つの関数の定義により,多様なMLパイプラインをカスタマイズする機構を提案する。
論文 参考訳(メタデータ) (2023-10-25T04:32:35Z) - In Situ Framework for Coupling Simulation and Machine Learning with
Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。
シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。
この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文 参考訳(メタデータ) (2023-06-22T14:07:54Z) - ClimSim: A large multi-scale dataset for hybrid physics-ML climate
emulation [89.29389098578194]
物理と機械学習(ML)を組み合わせたハイブリッドな手法は、新しい世代の高忠実度気候シミュレータを導入した。
ClimSimは、ハイブリッドML物理研究のために設計された、史上最大のデータセットである。
論文 参考訳(メタデータ) (2023-06-14T21:26:31Z) - Deep learning applied to computational mechanics: A comprehensive
review, state of the art, and the classics [77.34726150561087]
人工知能,特に深層学習(DL)の最近の進歩を概観する。
ハイブリッドおよび純粋機械学習(ML)の手法について論じる。
AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
論文 参考訳(メタデータ) (2022-12-18T02:03:00Z) - Colmena: Scalable Machine-Learning-Based Steering of Ensemble
Simulations for High Performance Computing [3.5604179670745237]
オープンソースのPythonフレームワークであるColmenaを紹介します。
Colmenaはタスクディスパッチ、結果のコレーション、MLモデル呼び出し、MLモデル(再)トレーニングを処理し、Parslを使用してHPCシステム上でタスクを実行する。
コルメナの設計について述べるとともに, 電解質設計に応用して, 65536 CPUまでスケールアップし, 高速分子の発見速度を100倍に向上させる。
論文 参考訳(メタデータ) (2021-10-06T14:56:53Z) - MLMOD: Machine Learning Methods for Data-Driven Modeling in LAMMPS [0.0]
マイクロスケール力学と分子動力学を特徴付けるためのプロトタイプC++/Pythonパッケージを提案する。
このパッケージは、現在、メソモッドおよび分子動力学シミュレーションパッケージLAMMPSとPyTorchと統合されている。
論文 参考訳(メタデータ) (2021-07-29T22:55:26Z) - QuaSiMo: A Composable Library to Program Hybrid Workflows for Quantum
Simulation [48.341084094844746]
本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。
ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
論文 参考訳(メタデータ) (2021-05-17T16:17:57Z) - A backend-agnostic, quantum-classical framework for simulations of
chemistry in C++ [62.997667081978825]
本稿では,量子古典ソフトウェアをプロトタイピング,開発,デプロイするためのプラットフォームとして,XACCシステムレベルの量子コンピューティングフレームワークを提案する。
現在XACCで実装されている最先端の化学アルゴリズムのいくつかを示す一連の例を示す。
論文 参考訳(メタデータ) (2021-05-04T16:53:51Z) - Composable Programming of Hybrid Workflows for Quantum Simulation [48.341084094844746]
本稿では、ハイブリッド量子/古典的アルゴリズムの開発と量子シミュレーションへの応用のための構成可能な設計手法を提案する。
ハードウェアに依存しないQCORをQuaSiMoライブラリに実装する。
論文 参考訳(メタデータ) (2021-01-20T14:20:14Z) - ML4Chem: A Machine Learning Package for Chemistry and Materials Science [0.0]
ML4Chemは、化学と材料科学のためのオープンソースの機械学習ライブラリである。
機械学習モデルとパイプラインの開発とデプロイのための拡張可能なプラットフォームを提供する。
ここでは、実装、デプロイ、推論のためのアトミックモジュールを紹介します。
論文 参考訳(メタデータ) (2020-03-02T00:28:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。